点击蓝字，关注我们
数据分析软件 | JMP
统计过程管制（Statistical Process Control，SPC）是一种利用统计方法来监控和控制过程的工具，以确保过程在可接受的范围内运行，从而最小化产品的不良率。
SPC 在产业应用范围广泛，主要包括以下几个方面：
1
过程能力分析
透过计算过程能力指数（如 Cp, Cpk），评估过程是否能够稳定地生产出符合规格的产品。这对于新产品导入或过程变更具有重要意义。
2
异常检测
利用管制图（如 X-bar 图、R 图、P 图等）监控过程的关键质量特性，及早发现异常点或趋势，以便采取纠正措施。
3
过程优化
通过分析过程数据，找出影响产品质量的主要因素，并进行实验设计，验证改善措施的效果。
4
过程稳定性验证
在过程变更或新产品导入后，利用 SPC 来验证过程是否恢复到稳定状态等。
特别是在半导体晶圆制造过程中，SPC 扮演着关键角色，因为晶圆的生产涉及多达上千道过程，每道过程都有着无数的参数和指标需要精确控制，过程参数的细微波动可能会导致整片晶圆的质量变异。
因此，即使是最轻微的过程偏差也不能被忽视。借由 SPC，过程工程师可以实时监控这些参数，迅速识别潜在的异常并及时调整，从而有效地防止不良晶圆的产生。
下面通过一个案例详细了解一下。
案例：侦测不良晶圆
当我们利用 JMP 的制表功能，初步了解各 wafer lot 的分组平均值后，即使我们知道哪几组晶圆的缺陷状况，却无法从中判断整体过程的走向和趋势。
我们可以快速地透过 JMP 的层别分析，允许使用者对多个过程参数进行系统性的评估。
以这个例子来说，我们可以先利用JMP Process Screening 抓出 Cpk、Ppk 的大小，从以下的图我们可以知道 P1、P2 过程能力的表现都不好，因为都小于 1, 主要原因我们可以观察 within sigma 跟 overall sigma 的值都大于 1，而比较规格上下限（4.5~5.5）与平均值的距离来说，这样的变异蛮大的，所以会造成 Cpk 与 Ppk 偏小的状况。
我们可以使用管制图来追踪各个参数的表现。
从管制图中可以发现，XBar Chart 中子群的平均点相对于规格都是在一个稳定的状况，但是细部观察 R chart，您会发现有很多点的 R 相对来的大，也就是子群内较为不稳定，也呼应到上方 Cpk 和 Ppk 较小的结论。
下方的报告呈现整体的数据分布状况，可以看到整体来说，大部分的数据都落在范围外所以整体变异也相对来的大，Ppk 也会呈现较小的状况。
这不仅能帮助使用者迅速识别过程中的潜在问题，我们还能通过 JMP 的图形分析功能，轻松绘制出晶圆图，并使用不同颜色标记出各指针在晶圆上的表现，以便更直观地了解过程状态。
话虽如此，传统的 SPC 分析往往会忽略 X, Y 坐标的区域性及稠密性，加上人眼的判读，可能导致对过程问题的识别不够精确。
为了解决这一问题，我们将在 8 月 22 日（明天下午2点）直播课程中分享一种更快、更自动化的晶圆优劣分辨方法，为您带来更准确的过程监控解法。
如果您对如何利用 SPC 改善晶圆制造质量感兴趣，并希望了解更多关于自动化过程监控的最佳实践，请立即扫描下方海报二维码，注册参加研讨会，与行业专家共同探讨如何提升您的过程效率和产品质量。
1
该课程适合人群
在过程或质量管理部门工作的专业人士
面对产品缺陷和变异性挑战的从业人员
寻找提升品管效率和革新品质管理策略的管理者和决策者
2
课程信息
课程时间：8 月 22 日(周四) 下午 2 点 - 3 点
课程费用：免费
报名方式：您可以直接扫描邀请函中的二维码，或直接点击原文报名。
点击阅读原文，立即注册课程
关于 JMP
1989 年第一版 JMP 软件问世以来，JMP 一直致力于通过交互式可视化统计分析，发现数据背后的价值，被广泛应用于业务可视化、探索性数据分析(EDA)、数据挖掘、建模预测、实验设计、产品研发、生物统计、医学统计、可靠性分析、市场调研、六西格玛质量管理等领域，裨益半导体和电子、医药、化工、食品、金融和服务、政府和教育等各行各业。
JMP Pro
专为科学家和工程师打造的预测分析软件
JMP Pro 提供一系列丰富的算法，让您能够构建高效的模型，您还可以通过模型筛选，轻松找到最适合您的数据的模型，轻松构建候选模型，然后使用 C、Python、JavaScript、SAS 或 SQL 进行分析、对比和生成评分代码。
JMP官方微信公众号
敏捷分析 成就无限
分享
收藏
点赞
在看
点击“阅读原文”，立即注册网络研讨会
